小波变换在数字图像加密中的应用

给出了一种基于小波变换的快速图像加密算法.首先对秘密图像和公开图像分别进行时域上的置乱变换,其次对公开图像的置乱图像进行小波变换,对小波变换后系数与秘密图像进行异或exclusive OR,XOR运算,最后利用小波逆变换进行图像重构,从而得到结果图像.数值试验表明该方法的加密能力较大,并保证了很好的视觉质量,且算法简单易行.     

混沌序列在图像加密中的应用

利用混沌序列的遍历性及其良好的相关特性,提出了一种二维置换网络,并对置换网络的时间复杂度和其置换性质做了分析.利用置换网络进行了数字图像加密;计算机模拟结果显示,这种置换网络具有良好的置乱性质,可以增强信息系统的安全性.     

一类Mbius变换在区域自同构中的应用

研究了复平面中区域的自同构问题.通过一类Mbius变换,给出了区域的任一自同构的表示形式;在区域和单位圆盘共形等价的条件下,证明了区域到单位圆盘的所有解析函数的导数在区域给定点处的模的上确界是可达的.     

换位变换及其在信息加密中的应用

以信息安全问题为背景,提出了换位变换的概念,设计了信息加密的换位变换算法,并分析了算法的安全性。算法过程仅仅使用了换位运算,算法简单,容易实现。序码换位方法选择灵活,算法具有较好的安全性。     

建立对应点在图像变换中的应用

本文以建立函数图像水平方向变换前后的对应点间的关系,来确定函数在水平方向变换后的函数表达式。用这种方法可十分有效地解水平方向变换的题目,要比一般书上介绍的方法简单,容易掌握,在解题中不易出错。     

小波变换在图像处理中的应用

小波变换是一种快速发展和比较流行的信号分析方法,其在图像处理中有非常重要的应用,包括图像压缩,图像去噪,图像融合,图像分解,图像增强等。小波分析是傅立叶分析思想方法的发展与延拓。除了连续小波(CWT)、离散小波(DWT),还有小波包(Wavelet Packet)和多维小波。本文主要介绍小波变换的发展及其在图像处理中的应用。     

傅立叶变换在图像处理中的应用

给出了傅立叶变换的理论及物理解释。实现了傅氏变换的快速算法，并对其在图像处理中的应用给出了相应实例。     

小波变换在图像处理中的应用

绝大多数的信号信息由信号中不规则结构或瞬变现象所携带,剧烈变化点通常出现在图像重要结构的边缘,是图像中最重要的点。小波变换兼有图像平滑和提取边缘的双重效果,在论文中将阐述一个多尺度的Canny边缘检测算子相当于搜索信号小波变换的局部极大模值点。     

小波变换在图像处理中的应用

介绍了基于小波变换的图像分解与重构，在此基础上讨论了MATLAB语言环境下图像压缩、图像特征提取和图像融合的基本方法。实验结果表明：基于小波变换的图像处理具有理想的效果。     

基于Arnold变换的图像加密研究

本文研究了Arnold变换在数字图像加密中的应用,该变换具有周期性,并使用MATLAB软件求解得到相应方块图像的周期,同时分析了变换次数与置乱度的关系。在此基础上对该算法进行了相应的改进,提高了该算法抵御非法攻击的能力,使得该变换在图像加密方面具有一定的可行性。     

秘密共享技术及其在图像加密中的应用

秘密共享技术将秘密值进行分布式保存以提高安全性,在信息安全领域占据着重要的地位,将其用于数字图像加密可以实现图像的完善保密性。回顾了基本的秘密共享方案,分析了将其用于图像加密的基本方式,总结了新兴的视觉密码学的优势。对视觉密码学的各个分支与主要研究内容进行了介绍,分析了存在的问题和发展方向。分析与实验表明,视觉密码学在图像加密领域具有比传统秘密共享方案更高的实现效率和更好的安全性,具有良好的发展前景。     

形态小波变换在图像处理中的应用

论述了小波理论、多分辨分析技术与数学形态学的基本方法和内在联系，以及基于这三类理论所产生的形态小波变换的基本思想和应用方法，并通过一些基本的形态小波变换，展示了形态小波及其变换在图像处理应用中的巨大潜力。     

小波变换及其在图像处理中的应用

小波变换(Wavelet Transform)是近几年发展起来较新的数学分支,应用十分广泛.本文介绍了小波变换的基本原理,并论述了它在图像处理中的应用.     

小波变换在图像去歪斜中的应用

提出了一种基于小波变换的图像去歪斜方法．图像去歪斜的关键在于边缘检测和边框提取．边缘检测采用由租到细的方法,利用小波变换的多分辨率特性,得到的结果较传统的方法有更好的去噪和定位性能,并能保留必要的细节．边框提取则是用改进的H0ugh变换寻找直线,将参数空间两次     

小波变换及其在图像处理中的应用

小波分析是对傅立叶变换的继承和发展,在数字图像压缩,图像的边缘检测,信号分析,医学影像以及计算机视觉等领域有着广阔的前景,本文首先介绍了小波变换的基本原理,特别是多尺度分析理论,作为应用,分析了基于小波变换的图像消噪技术,并给出实例。     

小波变换在图像融合中的应用研究

针对小波融合中存在的光谱扭曲问题，研究中提出了直接相加的低频基带处理方法，将未经小波分解的TM放大图像与仅由SPOT—PAN图像小波分解后的高频部分重构得到的图像直接相加生成融合图像，其图像的光谱扭曲值和信息量两个指标优于传统的小波变换融合方法。     

小波变换在图像边缘检测中的应用

目的 研究一种新的提取图像边缘特征的方法。方法 依据图象的多分辨率小波分解及其所表现出的多尺度特性、局部化分析特性及方向选择性等特点,通过二进尺度下小波变换局部极大值的检测提取图象边缘特征,结果 利用此方法在计算机上对２５６×２５６×８ｂｉｔｓ／像素的Ｌｅｎａ图像做了边缘提取,得到不同尺度下的连续、光滑、单像素宽的边缘链图象,结论 边缘提取准确,表明这种特征提取方法是有效、可行的。     

形态分水岭变换在图像分割中的应用

给出了分水岭变换的基本原理及其数学描述,并针对二值和灰值图像分别给出了相应的实现方法,同时总结了方法的优缺点,提出了图像分割中过分割问题的一些解决途径.     

小波变换在图像去歪斜中的应用

提出一种基于小波变换的图像去歪斜方法。图像去歪斜的关键在于边缘检测和边框提取。边缘检测采用由粗到细的方法，利用小波变换的多分辩率特性，得到的结果较传统的方法有更好的去噪和定位性能，并能保留必要的细节。边框提取则是用改进的Ｈｏｕｇｈ变换寻找直线，将参数空间二次量化，在一定程度上解决了常规Ｈｏｕｇｈ变换抗干扰性和精度之间的矛盾。